基于ZCPA参数的语音情感识别研究

主要讨论了情感语音特征参数的提取、语音情感的分类、语音资料的获取和应用连续隐马可夫模型进行情感识别等,重点比较了ZCPA特征参数和传统特征参数在不同噪声环境下的识别率,实验表明,在不同的噪声环境下,采用ZCPA特征的语音情感的识别效果较好,识别率也没有明显的下降。     

应用MATLAB分析语音信号

语音信号处理是语音学与数字信号处理技术相结合的交叉学科.将语音当做一种特殊的信号,即一种“复杂向量”来看待.通过调用处理数字信号工具MATLAB里的命令函数,利用数字信号处理的知识来解决问题.像给一般信号做频谱分析一样,也分析了语音信号的频谱,即利用设计的多种数字滤波器,比如:FIR低通滤波器、高通滤波器、带通滤波器和...     

一种改进的基于Viterbi的语音切分算法

主要针对文本提示型说话人识别中语音切分高精确度要求的问题,在利用Viterbi算法的语音切分基础上,提出了向后平滑搜索多帧能量极小值的语音切分方法。该算法首先对0~9的每个数字建立模型,然后利用Viterbi算法对随机数字串进行切分得到初始切分点,最后利用搜索多帧能量极小值的方法更新原始切分点。实验表明,相比于传统的切分算法,在误差范围小于20 ms之内,改进算法的切分准确率由82.1%提高到88%。     

Wavelet-COH在通信语音质量评估算法中的应用研究

将小波变换用于子带分解,对纯净语音信号和受扰语音信号进行特征提取,包括质心、子带能量和带宽等,并进一步与一致性函数(COH)方法相结合对语音客观音质评价方法进行了研究,即Wavelet-COH方法。通过最小二乘多项式拟合模型,对Wavelet-COH方法得到的客观评测和主观评测结果进行相关分析,得出相应算法的相关系数和方差值。通过对比,表明Wavelet-COH语音评估方法比传统的COH客观评价方法有很大改善。     

录音教材产品录制加工中的语音信号响度平衡

【】响度平衡是语言录音教材产品录制加工中的重要工作,但也是常被忽视的环节。本文通过对人耳主观响度的特征、主观响度的计量与监控以及录音环节中影响信号响度的因素等多个角度的分析,深入探讨了语言录音教材产品录制加工中响度平衡的原则和方法,力图为高质量的语音教材的生产提供有力的参考。     

一种提高嵌入率的语音融合隐藏改进算法

语音信号在较高的采样率下,采样数据具有冗余度。对于秘密语音信号,冗余度越大,算法的嵌入率越低。本文结合信号抽取插值方法,对已有的语音融合隐藏算法提出进一步的改进,以减小秘密语音的冗余度,提高算法的嵌入率。利用高质量的计算机网络这一信息传输途径,进行实验仿真,并从主客观两方面对算法的性能进行评估。实验结果表明,利用本文改进算法,秘密语音的嵌入率得到提高,且恢复的秘密语音信号质量较好,PESQ打分在4.0左右,可懂度高。算法具有较高的可行性。     

基于循环神经网络的汉语语言模型建模方法

语言模型是语音识别系统的重要组成部分,目前的主流是n-gram模型。然而n-gram模型存在一些不足,对语句中长距信息描述差、数据稀疏是影响模型性能的两个重要因素。针对不足,研究者提出循环神经网络(Recurrent Neural Network,RNN)建模技术,在英语语言模型建模上取得了较好的效果。根据汉语特点将RNN建模方法应用于汉语语言建模,并结合两种模型的优点,提出了模型融合构建方法。实验结果表明:相比传统的n-gram语言模型,采用RNN训练的汉语语言模型困惑度(Per PLexity,PPL)有了下降,在对汉语电话信道的语音识别上,系统错误率也有下降,将两种语言模型融合后,系统识别错误率更低。     

基于改进型双门限语音端点检测算法的研究

语音端点检测是语音信号处理过程中的一个重要步骤,其检测准确性直接影响语音信号处理的速度和效果.传统的基于双门限法语言检测技术,在语音处于纯语音情况下判断语音端点较准确,但在语音处于噪声情况下,尤其是低信噪比的情况下,端点识别率很低,出错率很高.基于提高此方法识别率的目的,采用调整阈值个数,平滑滤波,引入语音结束最小长度的方法对其进行改进,通过了Matlab仿真实验,得出了较好的语音端点检测准确率.     

Perceptual grouping affects pitch judgments across time and frequency.

Pitch, the perceptual correlate of fundamental frequency (F0), plays an important role in speech, music, and animal vocalizations. Changes in F0 over time help define musical melodies and speech prosody, while comparisons of simultaneous F0 are important for musical harmony, and for segregating competing sound sources. This study compared listeners' ability to detect differences in F0 between pairs of sequential or simultaneous tones that were filtered into separate, nonoverlapping spectral regions. The timbre differences induced by filtering led to poor F0 discrimination in the sequential, but not the simultaneous, conditions. Temporal overlap of the two tones was not sufficient to produce good performance; instead performance appeared to depend on the two tones being integrated into the same perceptual object. The results confirm the difficulty of comparing the pitches of sequential sounds with different timbres and suggest that, for simultaneous sounds, pitch differences may be detected through a decrease in perceptual fusion rather than an explicit coding and comparison of the underlying F0s. (PsycINFO Database Record (c) 2010 APA, all rights reserved)     

基于MF-DFA的语音情感识别

针对语音情感线性参数在刻画不同情感类型特征上的不足,将多重分形理论引人语音情感识别中．通过分析不同语音情感状态下的多重分形特征,提取多重分形谱参数和广义hurst指数作为新的语音情感特征参数,并结合传统语音声学特征,采用支持向量机SVM对其进行语音情感识别．试验结果表明,该方法可使系统的准确率和稳定性得到有效提高．非线性参数的引人为语音情感识别提供了一个新的思路．